自压缩语言模型智能体

长代理轨迹中累积的过时内容会锚定后续生成并超出上下文窗口。现有方法采用固定间隔压缩，忽视轨迹结构风险。本文提出 SelfCompact，一种允许模型自主决定压缩时机与方式的框架。它结合推理时的压缩工具与轻量级规则：前者用于总结上下文，后者界定何时触发（子任务解决）或抑制（推导中途）。实验表明，该方法无需微调即可实现高效自适应压缩，在数学与搜索基准上显著优于基线，同时大幅降低令牌成本，填补了模型元认知差距。